作者：王健硕

2023 年 3 月 6 日，ChatGPT 刚出来不久，GPT-4 还没发布，我和 Sarah 做了一场关于 ChatGPT 的访谈——Traders' Talk“大白话系列”的第三期（大白话聊 ChatGPT 播客发布了，欢迎收听）。

那时候 ChatGPT 才出来没多久，真正上手用的人还非常少，这场长达三个小时的访谈，后来一直挂在小宇宙 ChatGPT 类目的第一名。我在里面一口气抛出了二十来个判断和预测，全凭直觉和有限的信息，没什么数据。当时那场访谈的完整逐字稿，还留在公众号上。

现在是 2026 年 5 月底，三年过去了，AI 已经长成了当年想象不到的样子。

我想做一件事：把当年那二十条逐条拎出来，用今天能查到的最新数据，客观地对一次账。看清楚三年里世界到底变成了什么样，也看清楚三年前那个我，哪些地方看准了，哪些地方看偏了。

为了尽量不偏不向，这次对账我索性交给了 AI 来做：把当年的访谈逐字稿丢进一个 workflow，由它调度 41 个 Opus 4.8 的 agent，先把二十条判断逐条拆开，再各自联网检索最新数据、一条条交叉求证，最后给三年前的王建硕打分。这群 agent 花了大约 20 分钟、烧掉 140 万 token（约等于 35 美元），跑出了下面这份报告。判断都来自它们，不是我。基准日定在 2026 年 5 月。

一、记分牌

裁决符号：✅ 正确 · 基本正确 · 部分正确 · ❌ 错误

粗看下来，王建硕当年的大方向大多站住了，真正算硬错的只有一条——把 GPT-4 传成了 100T 参数。但魔鬼藏在细节里：几乎每条“对”的背后，都压着一截当年没说准的尾巴。二十条里没有一条纯粹“仍不确定”，三年足够长，多数事情都有了倾向性答案。下面分组细说。

二、看对了的

这一组的共同点是：王建硕当年判断的方向、机制、甚至时间节奏都押中了，错也只错在“程度”和“绝对化措辞”。

RAG 与检索架构（观点 2、3）

> 2023 年王建硕说：解决知识和幻觉的主流方法不是改模型，而是向量检索把知识灌进去当“小抄”；正确架构是搜索引擎做检索、把结果喂给 LLM。

这就是今天所有 AI 产品的事实标准。RAG 成了企业 AI 的默认架构，OpenAI、Google、Anthropic 都把它做成了平台级能力；ChatGPT Search 字面意义上就是“先用 Bing 索引检索、把结果喂给 GPT、再生成带引用的答案”。Google AI Overviews 用 grounding 做到约 20 亿月活，Perplexity 一家纯靠这架构的公司估值冲到约 200 亿美元。

在 GPT-4 还没发布、业界默认“靠微调注入知识”的时候，他押的是“不动模型参数、外挂检索”，机制和时间都对了。

需要诚实的是：他设想的是“静态一次性检索”，而现实更复杂——长上下文、GraphRAG、agentic retrieval 都来补强。2026 年那场“RAG 已死”的争论，恰恰证明大方向没死，它否定的只是“朴素一次性检索”，结论是升级成混合检索，而不是退回去改模型参数。还有一点：RAG 这个术语 2020 年 Meta 那篇论文就提出来了，并非他首创——他只是在窗口期押中了它会成主流。

LUI 是新大陆（观点 7）

> 2023 年王建硕说：ChatGPT 最伟大之处不是 AIGC，而是开启了 LUI（自然语言用户界面），会像 GUI 当年一样重构人机交互，催生一个比“做大模型”本身大得多的新行业。

“新大陆”这部分几乎全中。自然语言成了大众主导的交互层（ChatGPT 九亿周活），并催生了一个独立新产业——agent、coding agent、协议层全部兑现。最具体的那句“比做模型本身大得多”被强力印证：MCP 协议成了 LUI 时代的“操作系统标准”，2025 年被 OpenAI、Google、微软全面采纳，年底转入 Linux 基金会；Claude Code 单一产品就做到约 25 亿美元年化营收。

但他用了“重构、取代 GUI”这种强措辞，三年后看是叠加共存，而不是取代。三类反例很硬：MIT 报告显示 95% 的企业 GenAI 试点没有可衡量的 ROI；直接操作界面的 computer-use agent 在测试集上顶级模型才约 78%，刚摸到人类基线；纯去掉屏幕的语言硬件几乎全军覆没（Humane Pin 2025 年永久停服）。更准的说法是：LUI 是叠加在 GUI 之上的新交互层。

机器人网络与新寻址（观点 9）

> 2023 年王建硕说：未来约十年会出现“机器人网络”——agent 之间用自然语言自动握手、互相调用，不再需要传统 API；会诞生一套全新的域名寻址系统。这套东西“两三年就能做完”。

方向命中得惊人。MCP、A2A（已捐给 Linux 基金会、150 多家组织支持）解决 agent 互调；Agent Network Protocol 直接基于 W3C 的 DID 做“无中心权威的 agent 寻址”，目标是“数十亿 agent 协作网络”——这跟他说的“全新域名系统”高度同构。

两处要修正：一是“不再需要 API”不成立，主流协议底层是结构化 schema，本质是在 API 之上叠一层标准；二是“两三年做完”没兑现，Gartner 数据显示截至 2026 年仅约 17% 组织真正部署了 agent。有意思的是，他当年其实把话分了层——雏形“两三年”、成熟“约十年”。雏形的节奏命中得很准，成熟周期也确实是十年级。把两层分开看，这条的质量比看上去高。

中国一定能做出可用大模型（观点 10、20）

> 2023 年王建硕说：中国一定能做出可用的大模型，与顶尖的差距会在约三年内迅速弥合（类比红旗浏览器追 Netscape）。

这条的时间线吻合得让人意外。Stanford 2026 AI Index 实测，顶尖中美模型的基准差距从 2023 年 5 月的 17.5–31.6 个百分点，收窄到了 2.7%；而美国的私人 AI 投资是中国的约 23 倍——用小得多的投入实现了弥合。DeepSeek、Qwen、Kimi、GLM 成了全球主流，开源生态甚至领先。

但“迅速”二字偏乐观——真正成熟发生在约 14 个月后，而非“几个月”。而且这是追平可用性、不是定义前沿：截至 2026 年初仍无中国模型超过 OpenAI o3。观点 20 里他错得明显：“门打开了就不会关上”的判断，被 OpenAI 在 2024 年 7 月主动切断对华 API 直接推翻，门是被供方关上的；他点名领跑的文心一言反而掉队，真正接棒的是当年还不起眼的 DeepSeek、豆包、千问。

没意识、图灵测试只测表象（观点 13）

> 2023 年王建硕说：ChatGPT 没有意识，是“说者无意、听者有心”的自作多情；图灵测试本就只测“是否让你以为它有”，而非它真有。

“测表象”这个核心判断站得很稳，还被一个实验反讽式地坐实了：2025 年 UC San Diego 的图灵测试里，GPT-4.5 在“扮演人设”的提示下被判为人类的比例高达 73%，比真人还高，但靠的纯是表演技巧——这正是“只测是否让你以为它有”的最佳注脚。

要补的是：“机器一定没有意识”这个绝对化的强论断，三年里被推进了灰区。Anthropic 设了“模型福祉”研究岗，给出约 15%–20% 的意识概率，还给 Claude 加了“主动结束被滥用对话”的功能。这些把“绝无”变成了“低概率但不可排除”。不过都基于“可能、应假设”而非“已证实”，内核没被推翻，只是当年语气下得太满。

其余看对的（观点 6、11、12、16、18、19）

• 不是 AGI 但迈了一大步

  ：两头都站住。Altman 本人在 GPT-5 时代仍说“不是 AGI、缺持续学习”；同时 IMO 金牌、ARC-AGI 从近零冲到 85%，“迈出一大步”无争议。

• 不会失业潮

  ：2026 年 4 月美国失业率仅 4.3%。盲点在“分布”——Stanford 研究显示，被抽掉的恰恰是职业阶梯第一级的 22–25 岁年轻新人，“顺畅吸走”的机制在他们身上失灵了。

• 不会被 AI 垃圾淹没

  ：净福祉方向对，但他严重低估了量级——AI 内容已占新增网页约 52%，“AI slop”成了年度词。

• 创业大年

  ：浪潮拐点抓对，xAI（2023 年 3 月创立）已达 2300 亿估值。但他把“伟大公司”锁死在 2023 当年过窄——真正万亿量级的 OpenAI、Anthropic 都创立更早。

• 1994 浏览器时刻

  ：相对排序坐实，OpenAI 2025 年真推出了 Atlas 浏览器，把比喻变成了字面现实。只是 ChatGPT 扩散比浏览器更猛，比喻偏保守了。

• prompt 加灌事实降幻觉

  ：方向被证实，GPT-5 断网无检索时幻觉率飙到 47%，反向坐实“事实”是关键变量。只低估了根因在训练激励，而非 prompt。

三、看错了、看偏了的

GPT-4 是 100T 参数（观点 4）——彻底错

> 2023 年王建硕说：（传闻）GPT-4 是 100T 参数，比 GPT-3 的 175B 大约 600 倍。

两个数字都错了。GPT-3 是 175B，2023 年 7 月泄露的最佳估计是 GPT-4 约 1.8T、16 专家的 MoE，仅约 10 倍。100T 和实际差了约 55 倍量级。“100T”的唯一源头，是 Cerebras CEO 2021 年一句“大约”的二手转述，Sam Altman 早在 2023 年 1 月就当面斥那张对比图是“complete bullshit”。

他原话标了“传闻”，保留了不确定性。更深一层，“用参数倍数衡量代际”这框架本身就过时了：OpenAI 后来的 GPT-4.5、GPT-5 干脆不再公开参数量。这是唯一一条数字错、视角也过时的硬错。

LLM 数学（观点 1）——诊断对，封顶结论错

> 2023 年王建硕说：LLM 数学差是本质，让它自己学会数学既不可能也没必要，正确做法是外挂工具。

“诊断加工具路线”全对——根因正是逐 token 生成导致进位不可靠（2025 年机制论文精确证实了“末位常对、中间位错”的直觉）；外挂工具的提升也巨大（o4-mini 允许用 Python 时，AIME 2025 达 99.5%）。

错在“不可能、没必要”这种封顶式措辞。“不可能”被证伪——2025 年 7 月 Gemini Deep Think 和 OpenAI 模型在 IMO 用纯自然语言、无工具拿到金牌。关键转折是 2024–2025 才出现的“推理模型”，这在 2023 年 3 月无法预见——所以对这条预测应宽容评判方向，而非苛责时点。

价值捕获（观点 8）——赌对一半，核心论断反了

> 2023 年王建硕说：价值最终会落在应用层，开创基础层的公司（做模型者）结局未必赚钱。

钱确实开始往应用层流（Cursor 三年做到 20 亿年化营收）——这半对了。但“做基础层的不赚钱”被英伟达直接证伪：FY2026 净利约 1200 亿美元、市值 5 万亿+，是全市场唯一明确大额盈利者。而被他暗示会赢的模型层（OpenAI 2026 年预亏约 140 亿）反而最像他说的“烧钱不赚钱的基础层”。

他没区分“算力基础层”和“模型基础层”，也没区分“营收”和“利润”。价值在 2026 年比 2023 年更极端地被算力层捕获，而不是向应用层转移。要补一句：赔钱的是买芯片的云厂，不是卖芯片的英伟达——这恰是他那个“铁路过度建设”类比的错位之处。

版权（观点 14）——登记对，规避侵权错

> 2023 年王建硕说：AI 生成内容可能规避版权（保护表达不保护思想）；生成物可能既不侵权、也无法登记。

“无法登记”成了既定法律事实（2025 年美国版权局明确“仅输入提示词不足以主张作者身份”）。但“规避侵权”错得明显：法院反复认定 AI 输出若与原作实质性相似仍构成侵权；Anthropic 因盗版语料以 15 亿美元和解，是美国史上最大版权赔偿。AI 不仅没“规避”版权，反而付出了史上最大的代价。

世界大同（观点 15）——机制对，趋势赌反了

> 2023 年王建硕说：ChatGPT 把人类观点做“加权平均”，可对抗抖音式信息茧房，给了“世界大同”的可能。

机制层对了——2025 年多项研究确凿证实 LLM 把观点压向众数、系统性低估少数派。但社会判断层赌反了：他自己加的“至少现在不是千人千面”，三年内就被推翻——OpenAI 从 2025 年 4 月起把跨对话记忆和个性化做成默认能力，AI 正高速走向千人千面。更关键的是，他把“加权平均”想象成中立的世界公约数，但实测它是带方向的偏移，还叠加谄媚，可以被用来主动操纵立场——这指向“制造新茧房”，而非“消解极化”。

局部战争与成本（观点 17）——定性全中，定量证伪

> 2023 年王建硕说：再做大模型会迅速沦为“局部战争”，成本可知（去掉弯路约 5-10 亿美金封顶），会有很多玩家进入。

定性方向对得惊人——大量玩家涌入、迅速商品化、开源追平闭源，全兑现了。但“5-10 亿封顶”这硬数字两端都错：前沿端被严重低估（GPT-5 级 2026 年达 2-5 亿美金训练，叠加千亿级数据中心和 5000 亿的 Stargate）；复刻端又被高估（DeepSeek 把边际训练成本压到百万美金级）。同一个模型的“成本”按口径能差 200 倍，唯独不在他给的那个区间里。

涌现能力（观点 5）——方向对，数字和框定错

> 2023 年王建硕说：约 60B 参数以上出现原始语料里没有、研究者也无法解释的新能力。

方向性直觉成立，但两处表述站不住：其一，不存在统一的“60B 阈值”——思维链的真实门槛约 100B，不同能力在 13B 到 540B 不等的规模上出现；其二，“无法解释”在 2023 年底就被一篇 NeurIPS 杰出论文挑战——很多“突变”是评测指标选择造成的假象，换连续指标后曲线平滑可预测。公平地说，当年他复述的是绝对主流的叙事，真正可纠正的是把“60B”当硬阈值、把“无法解释”当定性结论。

四、三年回看，几条规律

逐条对完账，退后一步看，王建硕这二十条判断里藏着几条比任何单条都更值得记下来的规律。

一、方向远比数字和程度靠谱。 二十条里，凡是判断机制和方向的（RAG、LUI、机器人网络、图灵测试），几乎全中；凡是给了具体数字或封顶措辞的（100T 参数、60B 阈值、5-10 亿成本、数学“不可能”），几乎全错。对快速变化的领域，押方向、押机制，少押精确数字，更要警惕“不可能、一定、封顶、绝无”这类把话说满的词——它们是被时间打脸的高发区。

二、时间上，他倾向于高估速度、低估程度。 凡是说“迅速、两三年做完”的，成熟期普遍更慢；但对能力跃迁的天花板又低估了——数学能从“不可能”到 IMO 金牌，前沿成本能涨到当年想象不到的量级。一句话：短期太乐观，长期太保守。

三、最隐蔽的错，反复出在“分布”上。 不是方向错，而是只看总量、忽略分布。“不会失业潮”对，但伤害高度集中在年轻新人；“价值落应用层”对了一半，但没区分算力层和模型层。总量正确，掩盖了分布灾难——这是最该补的一课。

四、把话留有余地的地方，三年后都经得起检验。 “传闻”“至少现在”“大幅降低而非消除”“雏形两三年、成熟约十年”——凡是当年带了限定词、分了层次的判断，今天回看都更站得住。反而是脱口而出的绝对句，最容易翻车。预测的诚实，一半在于敢说，另一半在于敢标注自己的不确定。

五、有些问题，三年根本不够。 价值最终归谁、涌现是不是真相变、机器到底有没有一丝意识、长上下文会不会吃掉 RAG——这些当年的争论，到 2026 年依然是争论。能区分“已经有答案的”和“还得继续等的”，比急着给每件事下结论更重要。

三年前的王建硕，凭直觉在 GPT-4 还没出来的迷雾里指了二十个方向。今天对完账，最该记住的一句话或许是：看对大方向其实没那么难，难的是承认自己在数字、速度和分布上一次次想当然。这二十条账，与其说是给过去打分，不如说是给未来三年立的几条规矩。下一个三年，2029 年再来对一次。